本发明涉及道路交通规划领域,具体涉及一种城市交通拥堵分析解决方法及装置。
背景技术:
1、当前,随着社会紧急的快速发展,机动车保有量持续增长,引发了更多的交通需求。当城市的交通设施供给水平无法满足迅速增长的交通需求时,便会引发交通拥堵。为了降低交通拥堵引起的生活质量下降和环境污染问题,需要科学有效地疏散和预防交通拥堵,确保市民出行能够回避交通拥堵区域,绕行交通畅通区域,提高出行效率。交通拥堵的有效疏导以及预防,在于路段拥堵的准确识别和预测。
2、目前,为了解决交通拥堵问题,当驾驶员在使用导航软件进行导航行驶时,会基于出发地和目的地之间的实时车流情况给用户提供路线参考,以便用户选择不拥堵路线行驶以避免道路拥堵问题,显然,仅考虑道路的当前实时车流情况并不能解决道路拥堵问题,对于用户当前选择的不拥堵路段,并不能保证在行驶过程中该路段出现拥堵情况,若在选择的不拥堵路段行驶过程中出现拥堵情况,对于用户而言,其面临的拥堵问题仍旧未进行解决。
技术实现思路
1、针对现有技术中存在的缺陷,本发明的目的在于提供一种城市交通拥堵分析解决方法及装置,能够有效解决道路拥堵问题。
2、为达到以上目的,本发明提供的一种城市交通拥堵分析解决方法,具体包括以下步骤:
3、确定待分析路线,并对确定的待分析路线按照单位长度进行拆分,得到同一路线的多个路线段;
4、基于历史交通数据,获取得到预设历史天数中不同时刻的路线段的通行时间信息;
5、根据历史天数中不同时刻的路线段的通行时间信息,计算得到路线段中不同时刻的平均通行时间,并形成训练集;
6、将形成的训练集输入神经网络模型进行训练,以使神经网络模型具有识别不同路线段在不同历史时刻通行时间的能力;
7、对于当前确定的多条可行驶路线,基于神经网络模型确定每条可行驶路线的历史通行时间,以及根据当前车流情况预估的通行时间,选择最佳行驶路线。
8、在上述技术方案的基础上,
9、所述待分析路线为交通繁忙时间段内存在拥堵情况的路线;
10、对于单一路线,按照单位长度进行拆分后得到至少一个路线段。
11、在上述技术方案的基础上,
12、所述历史交通数据记录了历史时刻路线段的通行时间信息。
13、所述历史交通数据通过导航软件服务器获取得到。
14、在上述技术方案的基础上,所述根据历史天数中不同时刻的路线段的通行时间信息,计算得到路线段中不同时刻的平均通行时间,具体步骤包括:
15、获取当前路线段在预设历史天数中每一天在设定时刻的通行时间;
16、根据获取的每一天在设定时刻的通行时间,进行平均值计算,得到当前路线段在设定时刻的历史平均通行时间,从而得到不同路线段在不同时刻的平均历史通行时间。
17、在上述技术方案的基础上,
18、所述预设历史天数包括预设工作日天数和预设休息日天数;
19、所述平均历史通行时间包括当前路线段在工作日的不同时刻的平均历史通行时间和在休息日的不同时刻的平均历史通行时间;
20、根据预设工作日天数中每一天在设定时刻的通行时间,计算得到当前路线段在工作日的不同时刻的平均历史通行时间;
21、根据预设休息日天数中每一天在设定时刻的通行时间,计算得到当前路线段在休息日的不同时刻的平均历史通行时间。
22、在上述技术方案的基础上,所述基于神经网络模型确定每条可行驶路线的历史通行时间,具体步骤包括:
23、将当前可行驶路线所包含的路线段和当前时刻输入神经网络模型;
24、通过神经网络模型得到在当前时刻出发,行驶完当前可行驶路线所需要的时间,得到当前可行驶路线的历史通行时间。
25、在上述技术方案的基础上,所述通过神经网络模型得到在当前时刻出发,行驶完当前可行驶路线所需要的时间,得到当前可行驶路线的历史通行时间,具体步骤包括:
26、获取当前可行驶路线所包含的路线段,对于第一个路线段,将当前时刻作为出发时间,根据该路线段的出发时间通过神经网络模型得到行驶完该路线段所需要的时间,并将行驶完该路线段时的时间作为下一路线段的出发时间;
27、对于下一个路线段,根据该路线段的出发时间通过神经网络模型得到行驶完该路线段所需要的时间,并将行驶完该路线段时的时间作为下一路线段的出发时间,依次类推,得到所有路线段对应的行驶所需时间,从而得到行驶完当前可行驶路线所需要的时间,得到当前可行驶路线的历史通行时间。
28、在上述技术方案的基础上,所述对于当前确定的多条可行驶路线,基于神经网络模型确定每条可行驶路线的历史通行时间,以及根据当前车流情况预估的通行时间,选择最佳行驶路线,具体步骤包括:
29、对于当前确定的多条可行驶路线,通过神经网络模型确定每条可行驶路线的历史通行时间;
30、根据当前车流情况,预估每条可行驶路线的通行时间;
31、在所有确定的历史通行时间以及预估的通行时间中,选择最小时间对应的可行驶路线作为最佳行驶路线。
32、本发明提供的一种城市交通拥堵分析解决装置,包括:
33、拆分模块,其用于确定待分析路线,并对确定的待分析路线按照单位长度进行拆分,得到同一路线的多个路线段;
34、获取模块,其用于基于历史交通数据,获取得到预设历史天数中不同时刻的路线段的通行时间信息;
35、计算模块,其用于根据历史天数中不同时刻的路线段的通行时间信息,计算得到路线段中不同时刻的平均通行时间,并形成训练集;
36、训练模块,其用于将形成的训练集输入神经网络模型进行训练,以使神经网络模型具有识别不同路线段在不同历史时刻通行时间的能力;
37、确定模块,其用于对于当前确定的多条可行驶路线,基于神经网络模型确定每条可行驶路线的历史通行时间,以及根据当前车流情况预估的通行时间,选择最佳行驶路线。
38、在上述技术方案的基础上,
39、所述待分析路线为交通繁忙时间段内存在拥堵情况的路线;
40、对于单一路线,按照单位长度进行拆分后得到至少一个路线段;
41、所述历史交通数据记录了历史时刻路线段的通行时间信息。
42、所述历史交通数据通过导航软件服务器获取得到。
43、与现有技术相比,本发明的优点在于:通过基于历史交通数据,获取得到预设历史天数中不同时刻的路线段的通行时间信息,然后根据历史天数中不同时刻的路线段的通行时间信息,计算得到路线段中不同时刻的平均通行时间,并形成训练集,然后将形成的训练集输入神经网络模型进行训练,以使神经网络模型具有识别不同路线段在不同历史时刻通行时间的能力,然后对于当前确定的多条可行驶路线,基于神经网络模型确定每条可行驶路线的历史通行时间,以及根据当前车流情况预估的通行时间,选择最佳行驶路线,本发明采用历史数据和当前数据两者结合的考量方式,有效解决道路拥堵问题。